성균관대학교 통계학과 이은령 교수, 고차원 데이터 분석의 난제를 푸는 차세대 전이학습 기술 개발

성균관대학교 통계학과 이은령 교수(제1저자)가 데이터 부족으로 인한 고차원 분석의 한계를 극복할 수 있는 새로운 통계적 방법론을 개발했다. 이은령 교수는 연세대 박세영 교수, 예일대 Hongyu Zhao 교수 연구팀과 공동으로 타겟 데이터와 외부 원천 데이터 간의 차이가 '저계급(Low-rank)' 구조를 갖는다는 점에 착안, 유용한 정보만을 선별해 학습 성능을 극대화하는 '전이학습 알고리즘'을 구현하는 데 성공했다. 이 성과는 표본 수가 적어 분석이 어려웠던 희귀 질환 연구나 정밀 의료 분야에서, 외부 빅데이터를 효과적으로 통합하여 예측 정확도를 획기적으로 높일 수 있는 길을 열었다. ■ 기존 전이학습의 한계를 극복한 혁신적 알고리즘 설계 이번 연구는 빅데이터 시대에도 여전히 존재하는 '스몰 데이터(Small Data)'의 예측 불확실성과 기존 전이학습의 부작용을 해결하는 데 초점을 맞췄다. 유전체 분석과 같은 고차원 회귀 문제에서는 변수는 수만 개에 달하지만 정작 관심 있는 타겟 샘플은 매우 적어 정확한 모형 추정이 어렵다. 이를 보완하기 위해 외부 데이터를 가져다 쓰는 전이학습이 시도되어 왔으나, 타겟과 관련 없는 데이터를 무분별하게 사용할 경우 오히려 예측 성능이 떨어지는 '부정적 전이(Negative Transfer)' 문제가 빈번하게 발생했다. 연구팀은 이러한 문제를 해결하기 위해 '저계급 회귀모형(Low-Rank Regression)' 프레임워크 안에서 타겟 모델과 원천 모델 간의 구조적 차이를 효과적으로 제어하는 2단계 추정법을 제안했다. 특히 연구팀이 고안한 '전진 원천 선택(Forward Source Detection, FSD)' 기법은 수많은 외부 데이터셋 중에서 타겟 분석에 실질적으로 도움이 되는 정보원만을 순차적으로 탐지해낸다. 이는 데이터 간의 공통된 신호는 증폭시키고 불필요한 노이즈는 차단하여, 고차원 환경에서도 편향 없는 정밀한 추정을 가능하게 한다. ■ 뛰어난 예측 성능과 이론적 최적성 입증 이론적 검증 결과, 새로 개발된 전이학습 방법론은 타겟 데이터만 단독으로 사용할 때보다 통계적 수렴 속도가 훨씬 빠르며, 미니맥스(Minimax) 관점에서도 최적의 효율을 달성함이 증명되었다. 실제 데이터 적용에서도 그 우수성이 확인되었다. 연구팀은 암 세포주 백과사전(CCLE) 데이터를 활용해, 샘플 수가 28개에 불과한 특정 폐암 변이(KRAS-mutant NSCLC)의 항암제 반응을 예측하는 실험을 수행했다. 그 결과, 제안된 알고리즘은 폐암과 유전적 특성이 유사한 다른 암종의 데이터를 효과적으로 선별 및 통합함으로써, 기존의 통합 분석 방식이나 단순 마진 선별 방식 대비 월등히 높은 예측 정확도를 기록했다. ■ 다양한 분야 응용 가능성 이 연구의 '전진 원천 선택 전이학습(FSD-Trans-NR)' 기술은 데이터의 차원이 샘플 수보다 훨씬 큰 고차원 환경에서도 안정적으로 작동하도록 설계되었으며, 저계급 구조뿐만 아니라 희소(Sparse) 구조가 결합된 복잡한 데이터 상황에서도 유연하게 적용될 수 있다. 이러한 특성은 바이오메디컬 분야의 약물 반응 예측뿐만 아니라, 데이터 확보가 어렵고 비용이 많이 드는 금융 리스크 분석, 신소재 개발 등 다양한 분야의 예측 모델링에 폭넓게 활용될 수 있을 것으로 기대된다. 이번 연구는 한국연구재단(NRF)과 미국 국립보건원(NIH) 등의 지원으로 수행되었다 . 본 연구성과는 통계학 분야의 세계 최고 권위지인 Journal of the American Statistical Association (JASA) 에 2025년 10월 온라인 게재되었다. ※논문명: Transfer Learning Under Large-Scale Low-Rank Regression Models ※학술지: Journal of the American Statistical Association (JASA) ※논문링크: https://doi.org/10.1080/01621459.2025.2555057

통계학과 이명원 학우, 금융공학연구 논문 게재

통계학과 이명원 학우가 1저자로 작성한 “머신러닝 기반 자산가격결정 연구”에 관한 논문이 한국연구재단 등재학술지(KCI)인 금융공학연구(金融工學硏究)에 게재되었다. 본 논문은 경제대학 Global Finance Research Center(GFRC) 센터장인 류두진 교수의 지도로 경제학과 WAVE수업 『파생금융상품론』의 학생참여 연구프로젝트를 통해 작성되었다. 본 연구는 기초자산 및 파생금융상품시장에서 금융빅데이터와 머신러닝‧딥러닝을 결합한 가격결정 및 동학(dynamics) 연구의 지형을 계량서지분석하고, 고전적인 재무‧경제학 모형이 포착하지 못한 비선형·고차원 금융신호의 구조에 주목한다. 예측력은 높지만, 해석력이 약한 머신러닝의 한계를 지적하며, 무차익 조건·베이지안 접근·비모수 추정 등 경제학 모형과 AI 모델의 결합 전략을 제시해 블랙박스 문제의 해소 가능성을 제안한다. 이명원 학우는 “류두진 교수님의 WAVE 수업에서 블랙-숄즈 옵션가격결정이론의 창시자인 노벨경제학상 수상자 Myron Scholes와의 질의응답을 통해 연구의 동기와 영감을 얻었습니다. 다산경제관 32318B의 GFRC에 학생연구원으로 등록하고, 선배 연구원분들과 매일 아침부터 밤까지 연구논문 작성을 위해 준비를 하였습니다. 통계학과 대학원 선배님들이 학술지에 게재한 논문을 읽어본 적은 있지만, 학부생이 논문을 게재한 것을 본 적이 없어 걱정하였는데, 류 교수님의 지도로, 평소에 통계학과에서 배운 베이지안과 빅데이터의 개념을 정리해서 금융시장에 관한 계량서지분석 연구를 수행할 수 있었습니다.”라고 소감을 밝혔다. 논문의 게재정보는 다음과 같다. ▶ 이명원(제1), 류두진(교신), 박준용(공동). 2025. 머신러닝 기반 자산가격결정 연구: 계량서지분석과 응용사례를 중심으로. 金融工學硏究 24권 4호, 155-178.

통계학과 원명장학금 및 총동창회장학금 수여식 개최

통계학과 원명장학금 및 총동창회장학금 수여식 개최 통계학과는 지난 9월 12일 (금) 인문사회과학캠퍼스 다산경제관에서 원명장학금 및 총동창회장학금 수여식을 진행하였다. 행사는 장학금 수여 학생, 남궁평 통계학과 명예교수, 최종원 총동창회장, 그리고 학과 교수들이 참석한 가운데 진행되었다. ▲2025학년도 2학기 통계학과 장학금 수여식 원명장학금은 통계학과 명예교수인 원명 남궁평 교수가 통계학과 대학원생의 공부와 학과 발전을 위해 기부한 기금을 통해 대학원생 중 학업이 우수하고 모범이 되는 학생을 매 학년도 2학기에 1명을 선발하여 수여하고 있고, 총동창회장학금은 동문들이 조성한 2억여원의 통계학과 발전기금을 기반으로 매학기 학부생들을 대상으로 수여하고 있다. ▲원명 남궁평 교수와 손은일 석사과정생 ▲최종원 총동창회장과 남혜정, 이민형 학생 올해 원명장학금은 손은일 학생이 선정되어 남궁평 교수가 직접 수여하였으며, 총동창회장학금은 남혜정, 이민형 학생이 선정되어 최종원 총동창회장이 장학증서를 전달하였다. 통계학과는 올 초 학과창립 60주년 행사를 통해 동문들로부터 장학기금 3천만원을 기부받았으며, 앞으로도 꾸준히 기금을 늘려나갈 계획이다.

통계학과 이은령 교수 '올해의 대한민국 통계연구자상' 수상

통계학과 이은령 교수 '올해의 대한민국 통계연구자상' 수상 ▲좌측에서 2번째 '이은령 교수' 성균관대 통계학과 이은령 교수가 통계청에서 수여하는 ‘제2회 올해의 대한민국 통계연구자상’을 수상하는 영예를 안았다. 시상식은 지난 8월 28일 서울 웨스틴조선호텔에서 개최된 ‘제14회 국가통계발전포럼’에서 열렸으며, 안형준 통계청장이 직접 시상을 진행하였다. ‘올해의 대한민국 통계연구자상’은 통계청이 국가 통계 발전의 기반이 되는 통계학의 발전을 장려하고, 데이터과학의 기초가 되는 통계학 분야 우수 연구자를 발굴하고 격려하기 위해 만든 상으로, 통계학 분야의 탁월한 연구 업적을 이룩하고 학문 발전에 크게 공헌한 연구자에게 수여되는 통계청장상이다. 이은령 교수는 세계적 권위의 ‘Annals of Statistics’에 게재된 초고차원 데이터 분석 분야의 탁월한 연구 업적을 인정받아 이 상을 수상하는 영광을 안게 되었다.